Конференция OpenTalks.AI в 2026 году впервые прошла в Белграде — с 2023 года именно это мероприятие стало основной площадкой для русскоязычных ИИ/ML-специалистов, рассеянных по всему миру. Формат остался прежним: два дня, три трека (бизнес, R&D, академическая наука), отбор спикеров через открытый Call for Proposals без платных слотов. Программа 2026 года выстроена вокруг четырёх тематических блоков — ИИ-агенты, LLM, GenAI и обучение с подкреплением (RL). Помимо технических докладов в программе появились философские темы: в частности, о теориях цифрового самосознания.
Руководитель практики машинного обучения Центра компетенций больших данных и ИИ в ЛАНИТ выступил с докладом «От проектов к продукту: как мы систематизировали работу с языковыми моделями». В основе — опыт более 100 пресейлов в год при конверсии 5–10%: большинство ИИ-проектов не доходили до внедрения, а те, что доходили, требовали промышленной разработки с нуля. Проблема оказалась не в технологиях, а в отсутствии переиспользуемой инфраструктуры.
| Компонент | Назначение | Пример применения |
|---|---|---|
| RAG | Поиск информации во внешних базах перед ответом | Служба поддержки, юридический отдел |
| STT | Распознавание и транскрибация речи | Обработка записей созвонов рекрутера |
| OCR | Оптическое распознавание текста на изображениях | Обработка сканов документов |
| MCP | Протокол передачи контекста между компонентами | Связь агентов внутри платформы |
| Web Agent | Поиск информации в интернете | Поиск похожих вакансий или дополнительных материалов |
Решением стала платформа LANDEV ИИ. Её идея — собрать общий фундамент из готовых блоков: LLM и VLM (визуально-языковые модели), STT (распознавание речи), OCR, RAG и MCP. Типовой «набор» для задачи на основе RAG — предобработка текста, полнотекстовый и векторный поиск, реранжирование, доступ к API — одинаков и для службы поддержки, и для юридического отдела, меняется только конфигурация. Более сложный сценарий: цепочка STT → Web Agent → SGR → внешняя система позволяет, например, рекрутеру после созвона автоматически транскрибировать запись, найти похожие вакансии в интернете, сформировать карточку и опубликовать её через API.
Отдельный акцент в докладе — экономика платформенного подхода. Если строить отдельный сервис под каждую редкую задачу HR, юристов или аудиторов, инструментом будут пользоваться около 100 раз в неделю — это не оправдывает закупку дорогого оборудования и поддержку инфраструктуры. Единая точка входа, распределённая между подразделениями, решает эту проблему. По словам докладчика, платформа сокращает время от идеи до результата с месяцев до дней.
Открывала конференцию Татьяна Шаврина — руководитель группы научных сотрудников Llama с десятилетним опытом в LLM и NLP. Её доклад был посвящён концепции ИИ-учёных: агентов, способных самостоятельно проводить исследования. Модели уже уверенно решают задачи с Kaggle и классические академические датасеты. Для оценки таких систем существует MLE-bench — комплексный набор тестов, измеряющий способность ИИ-агентов к автономной ML-инженерии, хотя есть обоснованные опасения, что модели постепенно «выучивают» эти задачи. Шаврина упомянула Darwin Gödel Machine (DGM) — подход к самомодификации моделей, разработанный совместно японской Sakana ИИ и лабораторией Джеффа Клюна в Университете Британской Колумбии, как одно из перспективных направлений. Параллельно появляются новые бенчмарки в социологии, биологии и других научных областях — попытка выйти за пределы стандартных ML-задач и оценить агентов в реальных исследовательских контекстах.
